Noninvasive Diagnostic Technique for Nonalcoholic Fatty Liver Disease Based on Features of Tongue Images / 中国结合医学杂志

OBJECTIVE@#To investigate a new noninvasive diagnostic model for nonalcoholic fatty liver disease (NAFLD) based on features of tongue images.@*METHODS@#Healthy controls and volunteers confirmed to have NAFLD by liver ultrasound were recruited from China-Japan Friendship Hospital between September 2018 and May 2019, then the anthropometric indexes and sampled tongue images were measured. The tongue images were labeled by features, based on a brief protocol, without knowing any other clinical data, after a series of corrections and data cleaning. The algorithm was trained on images using labels and several anthropometric indexes for inputs, utilizing machine learning technology. Finally, a logistic regression algorithm and a decision tree model were constructed as 2 diagnostic models for NAFLD.@*RESULTS@#A total of 720 subjects were enrolled in this study, including 432 patients with NAFLD and 288 healthy volunteers. Of them, 482 were randomly allocated into the training set and 238 into the validation set. The diagnostic model based on logistic regression exhibited excellent performance: in validation set, it achieved an accuracy of 86.98%, sensitivity of 91.43%, and specificity of 80.61%; with an area under the curve (AUC) of 0.93 [95% confidence interval (CI) 0.68-0.98]. The decision tree model achieved an accuracy of 81.09%, sensitivity of 91.43%, and specificity of 66.33%; with an AUC of 0.89 (95% CI 0.66-0.92) in validation set.@*CONCLUSIONS@#The features of tongue images were associated with NAFLD. Both the 2 diagnostic models, which would be convenient, noninvasive, lightweight, rapid, and inexpensive technical references for early screening, can accurately distinguish NAFLD and are worth further study.

Diagnóstico da retinopatia diabética por inteligência artificial por meio de smartphone / Diagnosis of diabetic retinopathy by artificial intelligence using smartphone

RESUMO Objetivo: Obter imagens de fundoscopia por meio de equipamento portátil e de baixo custo e, usando inteligência artificial, avaliar a presença de retinopatia diabética. Métodos: Por meio de um smartphone acoplado a um dispositivo com lente de 20D, foram obtidas imagens de fundo de olhos de pacientes diabéticos; usando a inteligência artificial, a presença de retinopatia diabética foi classificada por algoritmo binário. Resultados: Foram avaliadas 97 imagens da fundoscopia ocular (45 normais e 52 com retinopatia diabética). Com auxílio da inteligência artificial, houve acurácia diagnóstica em torno de 70 a 100% na classificação da presença de retinopatia diabética. Conclusão: A abordagem usando dispositivo portátil de baixo custo apresentou eficácia satisfatória na triagem de pacientes diabéticos com ou sem retinopatia diabética, sendo útil para locais sem condições de infraestrutura.

ABSTRACT Introduction: To obtain fundoscopy images through portable and low-cost equipment using artificial intelligence to assess the presence of DR. Methods: Fundus images of diabetic patients' eyes were obtained by using a smartphone coupled to a device with a 20D lens. By using artificial intelligence (AI), the presence of DR was classified by a binary algorithm. Results: 97 ocular fundoscopy images were evaluated (45 normal and 52 with DR). Through AI diagnostic accuracy around was 70% to 100% in the classification of the presence of DR. Conclusion: The approach using a low-cost portable device showed satisfactory efficacy in the screening of diabetic patients with or without diabetic retinopathy, being useful for places without infrastructure conditions.

Algoritmo de Indicação de Equipamento Coletor para Estomias / Algorithm for Indication of Collector Equipment for Stomas / Algoritmo para la Indicación de Equipos Colectores para Estomas

Objetivo:Relatar a experiência de uma equipe de enfermeiros estomaterapeutas na construção de um algoritmo para a indicação de equipamento coletor para estomias de eliminação. Método: Relato de experiência, do período de janeiro de 2018 a setembro de 2019, sobre o processo de construção de um algoritmo para indicação de equipamento coletor para estomias de eliminação. Resultados: A partir de determinadas características clínicas (parâmetros de avaliação) e da categorização dos equipamentos coletores (solução), foi desenvolvido um algoritmo para indicação de equipamento coletor para estomias de eliminação. Conclusão: Espera-se que esse instrumento possa auxiliar os enfermeiros na sua prática profissional quanto à escolha do equipamento coletor e na construção de protocolos clínicos.

Objective:To report the experience of a team of enterostomal therapists in the construction of an algorithm for the indication of collecting equipment for elimination stomas. Method: Experience report, from January 2018 to September 2019, on the process of building an algorithm to indicate collecting equipment for elimination stomas. Results: Based on certain clinical characteristics (assessment parameters) and the categorization of collecting equipment (solution), an algorithm was developed to indicate collecting equipment for elimination stomas. Conclusion: It is expected that this instrument can help nurses in their professional practice regarding the choice of collecting equipment and the construction of clinical protocols.

Objetivo:Relatar la experiencia de un equipo de enfermeros estomaterapeutas en la construcción de un algoritmo para la indicación de equipos recolectores para estomas de eliminación. Método: Informe de experiencia, de enero de 2018 a septiembre de 2019, sobre el proceso de construcción de un algoritmo para indicar equipos colectores para estomas de eliminación. Resultado: A partir de ciertas características clínicas (parámetros de evaluación) y la categorización de los equipos colectores (solución), se desarrolló un algoritmo para indicar equipos colectores para estomas de eliminación. Conclusión: Se espera que este instrumento pueda ayudar a los enfermeros en su práctica profesional en cuanto a la elección de equipos de recolección y la construcción de protocolos clínicos.

El hombre perfecto / I am your person

La fantasía que impera en este film plantea la ilusión de encontrar un ser complementario que se adapte a nuestras preferencias y nos haga plenos. "Mi algoritmo está diseñado para hacerte feliz" dice el humanoide. Ilusión de que alguien tendría la posibilidad de ser complementario, de saber exactamente lo que el otro requiere. Estamos en las antípodas de la famosa fórmula de Lacan:" (Le Séminaire, Encore, 1975) "No hay relación sexual" (o sea, no hay complementariedad). No habría resto, el sujeto no estaría atravesado por la castración simbólica. La IA compite con Zeus. La fantasía del Uno, organismo previo a la separación del andrógino por parte de Zeus, se podría materializar con la IA

The fantasy that prevails in this film, raises the illusion of finding a complementary being that adapts to our preferences and makes us full. "My algorithm is designed to make you happy," says the humanoid. Illusion that someone would have the possibility of being complementary, of knowing exactly what the other requires. We are at the antipodes of Lacan's famous formula: "(Le Séminaire, Encore, 1975) "There is no sexual intercourse" (that is, there is no complementarity). There would be no rest, the subject would not be pierced by symbolic castration. AI competes with Zeus. The fantasy of the One, an organism prior to the separation of the androgynous by Zeus, could materialize with AI.

Sex Determination by the Machine Learning Algorithms Through Using Morphometric Measurements of the Carpal, Metacarpal, and Phalangeal Bones / Determinación del Sexo Mediante Algoritmos de Aprendizaje Automático Mediante el Uso de Mediciones Morfométricas de los Huesos del Carpo, el Metacarpo y las Falanges

SUMMARY: In the study, it was aimed to predict sex from hand measurements using machine learning algorithms (MLA). Measurements were made on MR images of 60 men and 60 women. Determined parameters; hand length (HL), palm length (PL), hand width (HW), wrist width (EBG), metacarpal I length (MIL), metacarpal I width (MIW), metacarpal II length (MIIL), metacarpal II width (MIIW), metacarpal III length (MIIL), metacarpal III width (MIIIW), metacarpal IV length (MIVL), metacarpal IV width (MIVW), metacarpal V length (MVL), metacarpal V width (MVW), phalanx I length (PILL), measured as phalanx II length (PIIL), phalanx III length (PIIL), phalanx IV length (PIVL), phalanx V length (PVL). In addition, the hand index (HI) was calculated. Logistic Regression (LR), Random Forest (RF), Linear Discriminant Analysis (LDA), K-nearest neighbour (KNN) and Naive Bayes (NB) were used as MLAs. In the study, the KNN algorithm's Accuracy, SEN, F1 and Specificity ratios were determined as 88 %. In this study using MLA, it is understood that the highest accuracy belongs to the KNN algorithm. Except for the hand's MIIW, MIIIW, MIVW, MVW, HI variables, other variables were statistically significant in terms of sex difference.

En el estudio, el objetivo era predecir el sexo a partir de mediciones manuales utilizando algoritmos de aprendizaje automático (MLA). Las mediciones se realizaron en imágenes de RM de 60 hombres y 60 mujeres. Parámetros determinados; longitud de la mano (HL), longitud de la palma (PL), ancho de la mano (HW), ancho de la muñeca (EBG), longitud del metacarpiano I (MIL), ancho del metacarpiano I (MIW), longitud del metacarpiano II (MIIL), ancho del metacarpiano II (MIIW), longitud del metacarpiano III (MIIL), ancho del metacarpiano III (MIIIW), longitud del metacarpiano IV (MIVL), ancho del metacarpiano IV (MIVW), longitud del metacarpiano V (MVL), ancho del metacarpiano V (MVW), longitud de la falange I (PILL), medido como longitud de la falange II (PIIL), longitud de la falange III (PIIL), longitud de la falange IV (PIVL), longitud de la falange V (PVL). Además, se calculó el índice de la mano (HI). Regresión logística (LR), Random Forest (RF), Análisis discriminante lineal (LDA), K-vecino más cercano (KNN) y Naive Bayes (NB) se utilizaron como MLA. En el estudio, las proporciones de precisión, SEN, F1 y especificidad del algoritmo KNN se determinaron en un 88 %. En este estudio que utiliza MLA, se entiende que la mayor precisión pertenece al algoritmo KNN. Excepto por las variables MIIW, MIIIW, MIVW, MVW, HI de la mano, otras variables fueron estadísticamente significativas en términos de diferencia de sexo.

Experiencia en la introducción de resultados científicos desde la formación doctoral / Experience in the introduction of scientific results from the doctoral training i: en

Durante estos años, condicionados por los efectos de una pandemia y la situación económica global, la incorporación oportuna de los resultados científico-técnicos es necesidad y responsabilidad de la comunidad científica. En este trabajo se expone una experiencia en la introducción de resultados científicos desde la formación doctoral, dirigida al área de la atención inicial al paciente con traumatismo maxilofacial. La importancia de esta práctica radica en los aportes social, científico y profesional y en la formación de recursos humanos para lograr la transformación y el mejoramiento de la realidad.

During these years, conditioned by the effects of a pandemic and the global economic situation, the opportune incorporation of the scientific technical results is necessity and responsibility of scientific community. An experience in the introduction of scientific results from the doctoral training, directed to the area of initial care to the patient with maxillofacial traumatism, is presented in this work. The importance of this practice resides in the social, scientific, professional contributions and in the formation of human resources to achieve the transformation and improvement of reality.

Advancements in artificial intelligence and machine learning in revolutionising biomarker discovery

Abstract The article explores the significance of biomarkers in clinical research and the advantages of utilizing artificial intelligence (AI) and machine learning (ML) in the discovery process. Biomarkers provide a more comprehensive understanding of disease progression and response to therapy compared to traditional indicators. AI and ML offer a new approach to biomarker discovery, leveraging large amounts of data to identify patterns and optimize existing biomarkers. Additionally, the article touches on the emergence of digital biomarkers, which use technology to assess an individual's physiological and behavioural states, and the importance of properly processing omics and multi-omics data for efficient handling by computer systems. However, the article acknowledges the challenges posed by AI/ML in the identification of biomarkers, including potential biases in the data and the need for diversity in data representation. To address these challenges, the article suggests the importance of regulation and diversity in the development of AI/ML algorithms.

Deep learning analysis on the resulting impacts of weekly load training on students' biological system / Análise do aprendizado profundo nos impactos resultantes dos treinos semanais de carga sobre o sistema biológico dos estudantes / Análisis de aprendizaje profundo sobre los impactos resultantes de los entrenamientos semanales de carga en el sistema biológico de los estudiantes

ABSTRACT Introduction The recent development of the deep learning algorithm as a new multilayer network machine learning algorithm has reduced the problem of traditional training algorithms easily falling into minimal places, becoming a recent direction in the learning field. Objective Design and validate an artificial intelligence model for deep learning of the resulting impacts of weekly load training on students' biological system. Methods According to the physiological and biochemical indices of athletes in the training process, this paper analyzes the actual data of athletes' training load in the annual preparation period. The characteristics of athletes' training load in the preparation period were discussed. The value, significance, composition factors, arrangement principle and method of calculation, and determination of weekly load density using the deep learning algorithm are discussed. Results The results showed that the daily 24-hour random sampling load was moderate intensity, low and high-intensity training, and enhanced the physical-motor system and neural reactivity. Conclusion The research shows that there can be two activities of "teaching" and "training" in physical education and sports training. The sports biology monitoring research proves to be a growth point of sports training research with great potential for expansion for future research. Level of evidence II; Therapeutic studies - investigation of treatment outcomes.

RESUMO Introdução O recente desenvolvimento do algoritmo de aprendizado profundo como um novo algoritmo de aprendizado de máquina de rede multicamadas reduziu o problema dos algoritmos de treinamento tradicionais, que facilmente caiam em locais mínimos, tornando-se uma direção recente no campo do aprendizado. Objetivo Desenvolver e validar um modelo de inteligência artificial para aprendizado profundo dos impactos resultantes dos treinos semanais de carga sobre o sistema biológico dos estudantes. Métodos De acordo com os índices fisiológicos e bioquímicos dos atletas no processo de treinamento, este artigo analisa os dados reais da carga de treinamento dos atletas no período anual de preparação. As características da carga de treinamento dos atletas no período de preparação foram discutidas. O valor, significância, fatores de composição, princípio de arranjo e método de cálculo e determinação da densidade de carga semanal usando o algoritmo de aprendizado profundo são discutidos. Resultados Os resultados mostraram que a carga diária de 24 horas de amostragem aleatória foi de intensidade moderada, treinamento de baixa densidade e alta intensidade, e o sistema físico-motor e a reatividade neural foram aprimorados. Conclusão A pesquisa mostra que pode haver duas atividades de "ensino" e "treinamento" na área de educação física e no treinamento esportivo. A pesquisa de monitoramento da biologia esportiva revela-se um ponto de crescimento da pesquisa de treinamento esportivo com grande potencial de expansão para pesquisas futuras. Nível de evidência II; Estudos terapêuticos - investigação dos resultados do tratamento.

RESUMEN Introducción El reciente desarrollo del algoritmo de aprendizaje profundo como un nuevo algoritmo de aprendizaje automático de red multicapa ha reducido el problema de los algoritmos de entrenamiento tradicionales, que caen fácilmente en lugares mínimos, convirtiéndose en una dirección reciente en el campo del aprendizaje. Objetivo Desarrollar y validar un modelo de inteligencia artificial para el aprendizaje profundo de los impactos resultantes del entrenamiento de la carga semanal en el sistema biológico de los estudiantes. Métodos De acuerdo con los índices fisiológicos y bioquímicos de los atletas en el proceso de entrenamiento, este artículo analiza los datos reales de la carga de entrenamiento de los atletas en el período de preparación anual. Se analizaron las características de la carga de entrenamiento de los atletas en el periodo de preparación. Se analizan el valor, el significado, los factores de composición, el principio de disposición y el método de cálculo y determinación de la densidad de carga semanal mediante el algoritmo de aprendizaje profundo. Resultados Los resultados mostraron que la carga diaria de 24 horas de muestreo aleatorio era de intensidad moderada, de baja densidad y de alta intensidad de entrenamiento, y que el sistema físico-motor y la reactividad neural mejoraban. Conclusión La investigación muestra que puede haber dos actividades de "enseñanza" y "formación" en la educación física y el entrenamiento deportivo. La investigación sobre el seguimiento de la biología del deporte demuestra ser un punto de crecimiento de la investigación sobre el entrenamiento deportivo con un gran potencial de expansión para futuras investigaciones. Nivel de evidencia II; Estudios terapéuticos - investigación de los resultados del tratamiento.

Deep learning for analysis of changes in vital capacity and blood markers after swimming matches based on blended learning / Aprendizado profundo para análise das alterações da capacidade vital e marcadores sanguíneos após jogos de natação baseados no aprendizado combinado / Aprendizaje profundo para el análisis de los cambios en la capacidad vital y los marcadores sanguíneos después de los partidos de natación basados en el aprendizaje combinado

ABSTRACT Introduction Nowadays, more people are concerned with physical exercise and swimming competitions, as a major sporting event, have become a focus of attention. Such competitions require special attention to their athletes and the use of computational algorithms assists in this task. Objective To design and validate an algorithm to evaluate changes in vital capacity and blood markers of athletes after swimming matches based on combined learning. Methods The data integration algorithm was used to analyze changes in vital capacity and blood acid after combined learning swimming competition, followed by the construction of an information system model to calculate and process this algorithm. Results Comparative experiments show that the neural network algorithm can reduce the calculation time from the original initial time. In the latest tests carried out in about 10 seconds, this has greatly reduced the total calculation time. Conclusion According to the model requirements of the designed algorithm, practical help has been demonstrated by building a computational model. The algorithm can be optimized and selected according to the calculation model according to the reality of the application. Level of evidence II; Therapeutic studies - investigation of treatment outcomes.

RESUMO Introdução Atualmente, mais pessoas preocupam-se com o exercício físico e as competições de natação, como evento esportivo de destaque, tornou-se foco de atenção. Tais competições exigem atenção especial aos seus atletas e o uso de algoritmos computacionais auxiliam nessa tarefa. Objetivo Projetar e validar um algoritmo para avaliação das alterações da capacidade vital e marcadores sanguíneos dos atletas após os jogos de natação baseados no aprendizado combinado. Métodos O algoritmo de integração de dados foi usado para analisar as mudanças de capacidade vital e ácido sanguíneo após competição de natação de aprendizado combinado, seguido à construção de um modelo de sistema de informação para calcular e processar esse algoritmo. Resultados Experiências comparativas mostram que o algoritmo de rede neural pode reduzir o tempo de cálculo a partir do tempo inicial original. Nos últimos testes levados à cabo em cerca de 10 segundos, isto reduziu muito o tempo total de cálculo. Conclusão De acordo com os requisitos do modelo do algoritmo projetado, foi demonstrada a ajuda prática pela construção de um modelo computacional. O algoritmo pode ser otimizado e selecionado de acordo com o modelo de cálculo, segundo a realidade da aplicação. Nível de evidência II; Estudos terapêuticos - investigação dos resultados do tratamento.

RESUMEN Introducción Hoy en día, cada vez más personas se preocupan por el ejercicio físico y las competiciones de natación, como evento deportivo destacado, se han convertido en un foco de atención. Estas competiciones requieren una atención especial para sus atletas y el uso de algoritmos computacionales ayuda en esta tarea. Objetivo Diseñar y validar un algoritmo para evaluar los cambios en la capacidad vital y los marcadores sanguíneos de los atletas después de los partidos de natación basado en el aprendizaje combinado. Métodos Se utilizó el algoritmo de integración de datos para analizar los cambios de la capacidad vital y la acidez de la sangre tras la competición de natación de aprendizaje combinado, seguido de la construcción de un modelo de sistema de información para calcular y procesar este algoritmo. Resultados Los experimentos comparativos muestran que el algoritmo de la red neuronal puede reducir el tiempo de cálculo con respecto al tiempo inicial. En las últimas pruebas realizadas en unos 10 segundos, esto redujo en gran medida el tiempo total de cálculo. Conclusión De acuerdo con los requisitos del modelo del algoritmo diseñado, se ha demostrado la ayuda práctica mediante la construcción de un modelo computacional. El algoritmo puede optimizarse y seleccionarse según el modelo de cálculo en función de la realidad de la aplicación. Nivel de evidencia II; Estudios terapéuticos - investigación de los resultados del tratamiento.

Swarm algorithms applied to fitness testing of athletes in competition / Algoritmos de enxame aplicados ao exame do condicionamento físico de atletas em competição / Algoritmos de enjambre aplicados a las pruebas de aptitud física de atletas en competición

ABSTRACT Introduction Many countries have increased their investments in human resources and technology for the internal development of competitive sports, leading the world sports scene to increasingly fierce competition. Coaches and research assistants must place importance on feedback tools for frequent training of college athletes, and deep learning algorithms are an important resource to consider. Objective To develop and validate a swarm algorithm to examine the fitness of athletes during periods of competition. Methods Based on the swarm intelligence algorithm, the concept, composition, and content of physical exercises were analyzed. Combined with the characteristics of events, the body function files and the comprehensive evaluation system for high-level athletes were established. Results The insight was obtained that the constant mastery of the most advanced techniques and tactics by athletes is an important feature of modern competitive sports. Physical fitness is not only a valuable asset for athletes but also one of the keys to success in competition. Conclusion Fitness has become an increasingly prominent issue in competition, and the scientific training of contemporary competitive sports has been increasingly refined. Level of evidence II; Therapeutic studies - investigation of treatment outcomes.

RESUMO Introdução Muitos países aumentaram seus investimentos em recursos humanos e tecnologia para o desenvolvimento interno de esportes competitivos, levando o cenário esportivo mundial a uma disputa cada vez mais acirrada. Treinadores e assistentes de pesquisa devem dar importância às ferramentas de feedback para o treinamento frequente dos atletas universitários e os algoritmos de aprendizado profundo são um importante recurso a ser levado em consideração. Objetivo Desenvolver e validar um algoritmo de enxame para examinar o condicionamento físico dos atletas em períodos de competição. Métodos Com base no algoritmo de inteligência de enxame, o conceito, composição e conteúdo de exercícios físicos foram analisados. Combinado com as características dos eventos, os arquivos de funções corporais e o sistema abrangente de avaliação de atletas de alto nível foram estabelecidos. Resultados Obteve-se a percepção de que o constante domínio das técnicas e táticas mais avançadas pelos atletas é uma característica importante dos esportes competitivos modernos. A aptidão física não é apenas um ativo valioso para os atletas, mas também uma das chaves para o sucesso nas competições. Conclusão A aptidão física tem se tornado cada vez mais um problema proeminente na competição, sendo o treinamento científico dos esportes competitivos contemporâneos cada vez mais aperfeiçoado. Nível de evidência II; Estudos terapêuticos - investigação dos resultados do tratamento.

RESUMEN Introducción Muchos países han aumentado sus inversiones en recursos humanos y tecnología para el desarrollo interno del deporte de competición, lo que ha llevado al panorama deportivo mundial a una competencia cada vez más feroz. Los entrenadores y asistentes de investigación deben dar importancia a las herramientas de retroalimentación para el entrenamiento frecuente de los atletas universitarios y los algoritmos de aprendizaje profundo son un recurso importante a tener en cuenta. Objetivo Desarrollar y validar un algoritmo de enjambre para examinar el estado físico de los atletas durante los periodos de competición. Métodos A partir del algoritmo de inteligencia de enjambre, se analizó el concepto, la composición y el contenido de los ejercicios físicos. En combinación con las características de los eventos, se establecieron los archivos de funciones corporales y el sistema de evaluación integral de los atletas de alto nivel. Resultados Se obtuvo la conclusión de que el dominio constante de las técnicas y tácticas más avanzadas por parte de los atletas es una característica importante de los deportes de competición modernos. La forma física no sólo es un activo valioso para los deportistas, sino también una de las claves del éxito en las competiciones. Conclusión La aptitud física se ha convertido en una cuestión cada vez más importante en la competición, y el entrenamiento científico de los deportes de competición contemporáneos es cada vez mejor. Nivel de evidencia II; Estudios terapéuticos - investigación de los resultados del tratamiento.

Investigation of tactile gait parameters based on deep learning of energy consumption estimation algorithm in sport / Investigação sobre parâmetros tácteis de marcha baseados no aprendizado profundo do algoritmo de estimativa de consumo energético no esporte / Investigación sobre los parámetros táctiles de marcha basados en el aprendizaje profundo del algoritmo de estimación del consumo de energía en el deporte

ABSTRACT Introduction In medicine, Deep Learning is a type of machine learning that aims to train computers to perform human tasks by simulating the human brain. Gait recognition and gait motion simulation is one of the most interesting research areas in the field of biometrics and can benefit from this technological feature. Objective To use Deep Learning to format and validate according to the dynamic characteristics of gait. Methods Gait was used for identity recognition, and gait recognition based on kinematics and dynamic gait parameters was performed through pattern recognition, including the position and the intensity value of maximum pressure points, pressure center point, and pressure ratio. Results The investigation shows that the energy consumption of gait as modeled analyzed, and the model of gait energy consumption can be obtained, which is comprehensively affected by motion parameters and individual feature parameters. Conclusion Real-time energy measurement is obtained when most people walk. The research shows that the gait frequency and body parameters obtained from the tactile parameters of gait biomechanics can more accurately estimate the energy metabolism of exercise and obtain the metabolic formula of exercise. There is a good application prospect for assessing energy metabolism through the tactile parameters of gait. Level of evidence II; Therapeutic studies - investigating treatment outcomes.

RESUMO Introdução Na medicina, o aprendizado profundo é um tipo de aprendizado de máquina que visa treinar computadores para a realização de tarefas humanas simulando o cérebro humano. O reconhecimento da marcha e a simulação do movimento de marcha são um dos pontos de maior interesse da investigação no campo da biometria e pode ser beneficiado com esse recurso tecnológico. Objetivo Utilizar o aprendizado profundo para formatar e validar, de acordo com as características dinâmicas da marcha. Métodos A marcha foi utilizada para o reconhecimento da identidade, e o reconhecimento da marcha baseado na cinemática e parâmetros dinâmicos de marcha foi realizado através do reconhecimento de padrões, incluindo a posição e o valor de intensidade dos pontos de pressão máxima, ponto central de pressão e relação de pressão. Resultados A investigação mostra que o consumo de energia da marcha como modelado analisado, e o modelo de consumo de energia da marcha pode ser obtido, o qual é afetado de forma abrangente pelos parâmetros de movimento e pelos parâmetros de características individuais. Conclusão A medição de energia em tempo real é obtida quando a maioria das pessoas caminha. A investigação mostra que a frequência da marcha e os parâmetros corporais obtidos a partir dos parâmetros tácteis da biomecânica da marcha podem estimar com maior precisão o metabolismo energético do exercício e obter a fórmula metabólica do exercício. Há uma boa perspectiva de aplicação para avaliar o metabolismo energético através dos parâmetros tácteis da marcha. Nível de evidência II; Estudos terapêuticos - investigação dos resultados do tratamento.

RESUMEN Introducción En medicina, el aprendizaje profundo es un tipo de aprendizaje que pretende entrenar a los ordenadores para que realicen tareas humanas simulando el cerebro humano. El reconocimiento de la marcha y la simulación de su movimiento es uno de los puntos más interesantes de la investigación en el campo de la biometría y puede beneficiarse de este recurso tecnológico. Objetivo Utilizar el aprendizaje profundo para formatear y validar según las características dinámicas de la marcha. Métodos Se utilizó la marcha para el reconocimiento de la identidad, y el reconocimiento de la marcha basado en la cinemática y los parámetros dinámicos de la marcha se realizó mediante el reconocimiento de patrones, incluyendo la posición y el valor de la intensidad de los puntos de presión máxima, el punto de presión central y la relación de presión. Resultados La investigación muestra que el consumo de energía de la marcha, tal y como se analizó, y el modelo de consumo de energía de la marcha se puede obtener, que es ampliamente afectado por los parámetros de movimiento y los parámetros de las características individuales. Conclusión La medición de la energía en tiempo real se obtiene cuando la mayoría de la gente camina. La investigación muestra que la frecuencia de la marcha y los parámetros corporales obtenidos a partir de los parámetros táctiles de la biomecánica de la marcha pueden estimar con mayor precisión el metabolismo energético del ejercicio y obtener la fórmula metabólica del mismo. Existe una buena perspectiva de aplicación para evaluar el metabolismo energético a través de los parámetros táctiles de la marcha. Nivel de evidencia II; Estudios terapéuticos - investigación de los resultados del tratamiento.

A novel differential diagnosis algorithm for chronic lymphocytic leukemia using immunophenotyping with flow cytometry

Abstract Introduction The availability of a clinical decision algorithm for diagnosis of chronic lymphocytic leukemia (CLL) may greatly contribute to the diagnosis of CLL, particularly in cases with ambiguous immunophenotypes. Herein we propose a novel differential diagnosis algorithm for the CLL diagnosis using immunophenotyping with flow cytometry. Methods The hierarchical logistic regression model (Backward LR) was used to build a predictive algorithm for the diagnosis of CLL, differentiated from other lymphoproliferative disorders (LPDs). Results A total of 302 patients, of whom 220 (72.8%) had CLL and 82 (27.2%), B-cell lymphoproliferative disorders other than CLL, were included in the study. The Backward LR model comprised the variables CD5, CD43, CD81, ROR1, CD23, CD79b, FMC7, sIg and CD200 in the model development process. The weak expression of CD81 and increased intensity of expression in markers CD5, CD23 and CD200 increased the probability of CLL diagnosis, (p < 0.05). The odd ratio for CD5, C23, CD200 and CD81 was 1.088 (1.050 - 1.126), 1.044 (1.012 - 1.077), 1.039 (1.007 - 1.072) and 0.946 (0.921 - 0.970) [95% C.I.], respectively. Our model provided a novel diagnostic algorithm with 95.27% of sensitivity and 91.46% of specificity. The model prediction for 97.3% (214) of 220 patients diagnosed with CLL, was CLL and for 91.5% (75) of 82 patients diagnosed with an LPD other than CLL, was others. The cases were correctly classified as CLL and others with a 95.7% correctness rate. Conclusions Our model highlighting 4 markers (CD81, CD5, CD23 and CD200) provided high sensitivity and specificity in the CLL diagnosis and in distinguishing of CLL among other LPDs.

La inteligencia artificial y la video-vigilancia en la predicción y detección de delitos en espacio-tiempo: una revisión sistemática / Artificial intelligence and video surveillance in space-time crime prediction and detection: a systematic review / Inteligência artificial e vídeo-vigilância na previsão e detecção de crimes no espaço-tempo: uma revisão sistemática

En la sociedad de hoy los delitos vienen incrementándose y particularmente en la ciudad de Bogotá, lo que ha causado muchos inconvenientes a la Policía Nacional de Colombia, así como también a los centros de seguridad ciudadana. Ante esta situación, se ha propuesto una predicción de tiempo-espacio en los puntos críticos de crímenes y delitos, con la ayuda de inteligencia artificial. Por consiguiente, este trabajo tiene como objetivo analizar, resumir, interpretar y evaluar las distintas técnicas de predicción espacio-temporal de la delincuencia con un panorama inteligente. Por la propia naturaleza de la investigación, se utilizó una metodología de enfoque descriptivo-cualitativo, con la cual se diseñaron fichas de observación estructurada para sistematizar información de cinco bases de datos: Scopus, Web of Science, IEEE, ACM, Springer; dichas publicaciones comprenden desde 2019 hasta junio de 2021. En consecuencia, se encontraron en total 3015 estudios, después del proceso de cribado y verificación de los criterios de exclusión e inclusión, se seleccionaron 132 artículos, luego se aplicaron preguntas Psicólogo Interno Residente (PIR), quedando así 18 artículos. Los principales hallazgos encontrados indican que los algoritmos de redes neuronales resultaron ser uno de los métodos más eficaces para la detección de puntos críticos de delincuencia, dado que los grandes avances de la tecnología coadyuvarían en los próximos años a predecir de forma rápida y eficaz los actos delictivos y los crímenes ubicados en cualquier región del continente latinoamericano.

In today's society, crimes are increasing, particularly in the city of Bogota, which has caused many inconveniences to the National Police of Colombia, as well as to the citizen security centers. Given this situation, a time-space prediction of crime and crime hotspots has been proposed with the help of artificial intelligence. Therefore, this paper aims to analyze, summarize, interpret and evaluate the various techniques of space-time prediction of crime with an intelligent view. Due to the very nature of the research, a descriptive-qualitative approach methodology was used, with which structured observation sheets were designed to systematize information from five da-tabases: Scopus, Web of Science, IEEE, ACM, Springer; these publications span from 2019 to June 2021. Consequently, a total of 3015 studies were found, after the screening process and verification of exclusion and inclusion criteria, 132 articles were selected, then questions were applied Psychologist Internal Resident (PIR), thus leaving 18 articles. The main findings indicate that neural network algorithms proved to be one of the most effective methods for the detection of crime hotspots, given that the great advances in technology would help in the coming years to quickly and effectively predict criminal acts and crimes located in any region of the Latin American continent.

Na sociedade de hoje, a criminalidade está aumentando, particularmente na cidade de Bogotá, o que tem causado muitos inconvenientes para a Polícia Nacional Colombiana, bem como para os centros de segurança do cidadão. Diante desta situação, foi proposta uma previsão tempo-espacial de hotspots de crime com a ajuda da inteligência artificial. Portanto, este documento visa analisar, resumir, interpretar e avaliar as diversas técnicas de previsão espaço-temporal do crime com uma visão inteligente. Devido à própria natureza da pesquisa, foi utilizada uma metodologia de abordagem descritiva-qualitativa, com a qual foram elaboradas fichas de observação estrutura-das para sistematizar informações de cinco bancos de dados: Scopus, Web of Science, IEEE, ACM, Springer; estas publicações abrangem o período de 2019 a junho de 2021. Consequentemente, foi encontrado um total de 3015 estudos, após o processo de triagem e verificação dos critérios de exclusão e inclusão, 132 artigos foram selecionados, depois foram aplicadas perguntas ao Psicólogo em Residência (PIR), deixando 18 artigos. As principais descobertas indicam que os algoritmos de redes neurais provaram ser um dos métodos mais eficazes para a detecção de hotspots de crime, dado que os grandes avanços na tecnologia ajudarão nos próximos anos a prever rápida e efetivamente atos criminosos e crimes localizados em qualquer região do continente latino-americano.

Análise da generalização de algoritmos de machine learning e suas aplicações na otimização de decisões em saúde / Generalization analysis of machine learning algorithms and their applications in optimizing health decisions

A utilização de algoritmos de inteligência artificial tem crescido rapidamente nos últimos anos, aumentando o seu potencial de aplicação em saúde pública. Algoritmos de machine learning (ML) são capazes de auxiliar na predição de desfechos complexos e na tornada de decisões por parte dos profissionais da área. da. saúde. Esta tese tem como objetivo analisar a capacidade de generalização dos algoritmos na área da saúde e aplicar modelos de ML para predições utilizando dados tabulares frequentemente coletados nos sistemas de saúde. A tese será defendida sob a forma de três artigos científicos. O primeiro artigo realizou uma revisão sistemática da literatura sobre a capacidade de generalização de modelos de ML em saúde. Os resultados indicaram que, apesar de ainda limitada, a literatura sobre generalização em saúde está crescendo nos últimos anos em parte como uma demanda das próprias revistas científicas. O segundo artigo desenvolveu e avaliou a performance da validação externa de um algoritmo de ML no contexto da predição de risco de mortalidade neonatal. O modelo foi desenvolvido utilizando Extreme Gradient Boosting (XGB) em dados de São Paulo de 2012 a 2015, incluindo 807.932 nascidos vivos e 5.518 óbitos neonatais. Foi realizada a validação externa do algoritmo em 1.161 municípios brasileiros, incluindo todas as capitais de estado para o ano ele 2016, totalizando 2.848.052 nascidos vivos e 23.948 óbitos neonatais. Os resultados mostraram que os municípios que ofertam estruturas de maior complexidade obtiveram uma performance similar ou mesmo superior ao modelo base desenvolvido com dados do município de São Paulo. No terceiro e último artigo desta tese, foi realizada uma análise da aplicação da técnica de generalização conhecida como transfer learning nos dados da Rede IACOV-BR para predizer óbito entre pacientes internados por Covid-19 usando dados de prontuário de 16.236 pacientes de 18 hospitais brasileiros coletados no primeiro trimestre de 2020 durante o início da pandemia de Covid-19 no Brasil. A abordagem desse artigo propôs uma comparação entre uma nova solução capaz de predizer o progresso clínico dos pacientes com Covid- 19 versus a abordagem já aplicada para predições tabulares em saúde. Os resultados indicam que apesar de promissora, a técnica de transfer learning convencional não se mostrou superior aos resultados de performance obtidos localmente com os algoritmos de boosting utilizados para dados tabulares. Os resultados desta tese apontam para a importância da generalização dos algoritmos de i\IL em saúde, ao mesmo tempo que os desafios técnicos ainda persistem em relação à manutenção da performance preditiva nas diferentes localidades.

The use of artificial intelligence algorithms has significantly increased in recent years, increasing their potential for application in public health. ML algorithms (ML) can assist in the prediction of complex outcomes and in decision-making by healthcare professionals. This thesis aims to analyze the algorithmic generalization capability in healthcare and apply ML models for the prediction of health outcomes from tabular data frequently collected in healthcare systems. The thesis will be defended as three scientific articles. The first article conducted a systematic literature review on the generalization capability of ML models in healthcare. The results indicated that, although still limited, the literature on generalization in healthcare has been growing in recent years, in part as demand from journals themselves. The second article evaluated the performance of external validation of an ML algorithm in the context of predicting neonatal mortality risk. The model was developed using Extreme Gradient Boosting (XGB) on São Paulo data from 2012 to 2015, including 807,932 live births and 5,518 neonatal deaths. External validation of the algorithm was performed in 1,161 Brazilian municipalities, including all state capitals in 2016, totaling 2,848,052 live births and 23,948 neonatal deaths. The results showed that municipalities offering more complex structures obtained similar or even superior performance to the base model developed with data from the municipality of São Paulo. In the third and final article of this thesis, an analysis of the application of the generalization technique known as transfer learning was performed on IACOV-BR Network data to predict death from Covid-19 using medical record data from 16,236 patients from 18 Brazilian hospitals collected in the first quarter of 2020 during the early Covid-19 pandemic in Brazil. The results indicate that, although promising, the conventional transfer learning technique did not prove superior to locally obtained performance results with traditional boosting algorithms. The approach of this article proposed a comparison between a new solution for predicting the clinical progress of Covid-19 patients versus the approach already applied for tabular predictions in healthcare. The results of this thesis point to the importance of the generalization of ML algorithms in healthcare, while technical challenges persist regarding the maintenance of predictive performance in different locations.

Particularités du cancer du larynx chez le sujet jeune / Epidemiological and clinical predictive factors of success in septoplasty: Study of 250 patients

Discuter à travers une étude descriptive ainsi qu'une revue de la littérature, les particularités cliniques, démographiques et pronostiques des patients de moins de 45 ans, ayant un cancer du larynx. Materiels et Methodes: Il s'agit d'une étude rétrospective descriptive portant sur des patients atteints d'un cancer du larynx, âgés de moins de 45 ans suivis dans le service d'ORL et de chirurgie cervico-faciale du CHU Habib Bourguiba Sfax durant la période s'étendant de 1989 à 2018. Resultats: Nous avons trouvé 31 patients avec une prédominance masculine. Un cancer dans la famille a été trouvé dans 16,12% des cas sans corrélation statistique avec le stade avancé de la maladie. Une importante intoxication tabagique a été trouvée (96%). Trois patients avaient une laryngite chronique et un patient une papillomatose laryngée avec des lésions de dysplasie. Les motifs de consultation étaient dominés par la dysphonie (87%). La maladie a été classée en stades avancés dans 70% des cas. Le traitement chirurgical était préconisé chez 87% des patients et la préservation fonctionnelle chez 38,7%. Le taux de survie globale et sans maladie étaient respectivement, à un an de 96% et 84%, à 3 ans de 87% et 76%, et à 5 ans de 77% et 75% Conclusion: Notre travail n'a pas permis de retenir de différence en termes de données cliniques, de l'évolution de la maladie, de l'algorithme thérapeutique ni du pronostic entre les jeunes patients et les plus âgés

Research on multi-class orthodontic image recognition system based on deep learning network model / 中华口腔医学杂志

Objective: To develop a multi-classification orthodontic image recognition system using the SqueezeNet deep learning model for automatic classification of orthodontic image data. Methods: A total of 35 000 clinical orthodontic images were collected in the Department of Orthodontics, Capital Medical University School of Stomatology, from October to November 2020 and June to July 2021. The images were from 490 orthodontic patients with a male-to-female ratio of 49∶51 and the age range of 4 to 45 years. After data cleaning based on inclusion and exclusion criteria, the final image dataset included 17 453 face images (frontal, smiling, 90° right, 90° left, 45° right, and 45° left), 8 026 intraoral images [frontal occlusion, right occlusion, left occlusion, upper occlusal view (original and flipped), lower occlusal view (original and flipped) and coverage of occlusal relationship], 4 115 X-ray images [lateral skull X-ray from the left side, lateral skull X-ray from the right side, frontal skull X-ray, cone-beam CT (CBCT), and wrist bone X-ray] and 684 other non-orthodontic images. A labeling team composed of orthodontic doctoral students, associate professors, and professors used image labeling tools to classify the orthodontic images into 20 categories, including 6 face image categories, 8 intraoral image categories, 5 X-ray image categories, and other images. The data for each label were randomly divided into training, validation, and testing sets in an 8∶1∶1 ratio using the random function in the Python programming language. The improved SqueezeNet deep learning model was used for training, and 13 000 natural images from the ImageNet open-source dataset were used as additional non-orthodontic images for algorithm optimization of anomaly data processing. A multi-classification orthodontic image recognition system based on deep learning models was constructed. The accuracy of the orthodontic image classification was evaluated using precision, recall, F1 score, and confusion matrix based on the prediction results of the test set. The reliability of the model's image classification judgment logic was verified using the gradient-weighted class activation mapping (Grad-CAM) method to generate heat maps. Results: After data cleaning and labeling, a total of 30 278 orthodontic images were included in the dataset. The test set classification results showed that the precision, recall, and F1 scores of most classification labels were 100%, with only 5 misclassified images out of 3 047, resulting in a system accuracy of 99.84%(3 042/3 047). The precision of anomaly data processing was 100% (10 500/10 500). The heat map showed that the judgment basis of the SqueezeNet deep learning model in the image classification process was basically consistent with that of humans. Conclusions: This study developed a multi-classification orthodontic image recognition system for automatic classification of 20 types of orthodontic images based on the improved SqueezeNet deep learning model. The system exhibitted good accuracy in orthodontic image classification.